JPH06243295A - Method and device for generating feature data of character - Google Patents
Method and device for generating feature data of characterInfo
- Publication number
- JPH06243295A JPH06243295A JP5027728A JP2772893A JPH06243295A JP H06243295 A JPH06243295 A JP H06243295A JP 5027728 A JP5027728 A JP 5027728A JP 2772893 A JP2772893 A JP 2772893A JP H06243295 A JPH06243295 A JP H06243295A
- Authority
- JP
- Japan
- Prior art keywords
- character
- vector
- characters
- feature data
- learning
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Landscapes
- Character Discrimination (AREA)
Abstract
Description
【０００１】[0001]
【産業上の利用分野】本発明は，手書き文字認識装置の
文字認識辞書等を作成するための学習用文字の特徴デー
タの発生方法および装置に関する。BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to a learning character feature data generation method and apparatus for creating a character recognition dictionary for a handwritten character recognition apparatus.
【０００２】文字認識精度のすぐれた手書き文字認識辞
書を作成するためには，辞書作成のための学習用文字
（カテゴリのわかっている手書き文字）を同一文字種
（カテゴリの共通する文字）につきできるだけ多く収集
し，多数の学習用文字に基づいて辞書を作成する必要が
ある。In order to create a handwritten character recognition dictionary having excellent character recognition accuracy, as many learning characters (handwritten characters whose categories are known) for creating the dictionary as possible for the same character type (characters common to a category). It is necessary to collect and create a dictionary based on a large number of learning characters.
【０００３】従来，このような文字認識辞書を作成する
ための学習用文字は，一文字ずつ人手作業により作成し
ていた。通常，その数は１文字について数千〜数万個程
度であり，しかも，文字認識を必要とする全文字につい
て収集する必要がある。そのため，学習用文字の収集に
は膨大な時間を要するものであった。そのため，少ない
時間で，能率的に学習用文字を収集する方法が望まれ
る。Conventionally, learning characters for creating such a character recognition dictionary have been manually created one by one. Usually, the number is about several thousand to tens of thousands for one character, and it is necessary to collect all the characters that require character recognition. Therefore, it took a huge amount of time to collect the learning characters. Therefore, a method of efficiently collecting learning characters in a short time is desired.
【０００４】本発明は，簡単な方法で能率的に学習用文
字を収集する学習用文字の特徴データ発生方法および装
置を提供する。The present invention provides a learning character feature data generating method and apparatus for efficiently collecting learning characters by a simple method.
【０００５】[0005]
【従来の技術】従来は，イメージリーダ等の手書き文字
入力装置とコンピュータによるデータ処理装置を備えた
システムにより人手作業により上記のように作成した学
習用文字を一つずつ手書き文字入力装置により入力し，
特徴パターンを抽出して学習用文字の特徴データを収集
していた。そして，そのように収集された学習用文字に
基づいて文字認識辞書を作成していた。2. Description of the Related Art Conventionally, a learning character created as described above is manually input one by one by a handwritten character input device by a system equipped with a handwritten character input device such as an image reader and a data processing device by a computer. ，
Characteristic data of learning characters was collected by extracting characteristic patterns. Then, a character recognition dictionary was created based on the learning characters thus collected.
【０００６】図７は従来の学習用文字の特徴データを収
集するための装置構成および文字認識辞書の作成のため
の装置構成を示す。図において，１８０は手書き文字で
あって，学習用文字である。１８１は手書き文字入力装
置であって，イメージリーダ等の手書き文字を光学的に
読み取ってイメージデータとするものである。１８２は
データ処理装置であって，コンピュータである。１８３
は磁気ディスク装置である。FIG. 7 shows a conventional device configuration for collecting characteristic data of learning characters and a device configuration for creating a character recognition dictionary. In the figure, reference numeral 180 is a handwritten character, which is a learning character. Reference numeral 181 denotes a handwritten character input device that optically reads handwritten characters from an image reader or the like into image data. A data processing device 182 is a computer. 183
Is a magnetic disk device.
【０００７】データ処理装置１８２において，１９０は
特徴抽出手段であって，手書き文字入力装置１８１から
入力された手書き文字（学習用文字）の特徴データを抽
出するものである。１９１は辞書作成手段であって，学
習用文字の特徴データに基づいて，文字認識辞書を作成
するものである。In the data processing device 182, 190 is a feature extraction means for extracting feature data of handwritten characters (learning characters) input from the handwritten character input device 181. Reference numeral 191 is a dictionary creating means for creating a character recognition dictionary based on the feature data of learning characters.
【０００８】磁気ディスク装置１８３において，１９２
は学習用文字の特徴データ保存手段であって，特徴抽出
手段１９０の抽出した学習用文字の特徴データを保存す
るものである。１９３は文字認識辞書であって，辞書作
成手段１９１の作成した文字認識辞書である。In the magnetic disk device 183, 192
Is a learning character feature data storage unit that stores the learning character feature data extracted by the feature extraction unit 190. A character recognition dictionary 193 is a character recognition dictionary created by the dictionary creating means 191.
【０００９】図８は従来の学習用文字の収集方法と文字
認識辞書の作成方法を示す。図８に従って，図７の構成
の動作を説明する。 Ｓ１ 手書き文字１８０（学習用文字）を収集する処理
であって，手作業により文字認識対象の全文字種に対し
て手書き文字１８０を作成する。FIG. 8 shows a conventional learning character collection method and a character recognition dictionary creation method. The operation of the configuration of FIG. 7 will be described with reference to FIG. S1 This is a process of collecting the handwritten characters 180 (learning characters), and manually creates the handwritten characters 180 for all the character types to be recognized.
【００１０】Ｓ２ 手書き文字１８０を手書き文字入力
装置１８１によりデータ処理装置１８２に入力する。 Ｓ３ 特徴抽出手段１９０により，手書き文字（学習用
文字）の特徴データを抽出する。S2 The handwritten character 180 is input to the data processing device 182 by the handwritten character input device 181. The feature data of the handwritten character (learning character) is extracted by the S3 feature extracting unit 190.
【００１１】Ｓ４ 磁気ディスク装置１８３の学習用文
字の特徴データ保存手段１９２に学習用文字の特徴デー
タを保存する。 Ｓ５ 辞書作成手段１９１は特徴抽出手段１９０の抽出
した学習用文字の特徴データもしくは学習用文字の特徴
データ保存手段１９２に保存されている学習用文字の特
徴データに基づいて文字認識辞書を作成する。S4 The learning character characteristic data storage means 192 of the magnetic disk device 183 stores the learning character characteristic data. The S5 dictionary creating means 191 creates a character recognition dictionary based on the learning character feature data extracted by the feature extracting means 190 or the learning character feature data saved in the learning character feature data saving means 192.
【００１２】Ｓ６ 磁気ディスク装置１８３の文字認識
辞書１９３に作成した文字認識辞書を保存する。S6 The created character recognition dictionary is stored in the character recognition dictionary 193 of the magnetic disk device 183.
【００１３】[0013]
【発明が解決しようとする課題】文字認識精度の良い文
字認識辞書を作成するためには，文字のカテゴリ毎にで
きる限り多くの手書き文字（学習用文字）を用意する必
要がある。そのため，前述したように文字認識精度の高
い辞書を作成するためには文字種毎に手書き文字（学習
用文字）を一文字につき数千〜数万個程度は必要とし，
それを文字認識対象の全文字について用意する必要があ
った。そのため，従来の学習用文字の収集および文字認
識辞書の作成は膨大な時間と人手を必要としていた。In order to create a character recognition dictionary with good character recognition accuracy, it is necessary to prepare as many handwritten characters (learning characters) as possible for each character category. Therefore, as described above, in order to create a dictionary with high character recognition accuracy, it is necessary to have several thousand to several tens of thousands of handwritten characters (learning characters) for each character type.
It was necessary to prepare it for all characters to be recognized. For this reason, the conventional collection of learning characters and the creation of a character recognition dictionary required enormous amounts of time and manpower.
【００１４】本発明は，簡単に多くの学習用文字の特徴
データを収集できる文字の特徴データ発生方法および発
生装置を提供することを目的とする。It is an object of the present invention to provide a character feature data generating method and a character feature data generating device capable of easily collecting a large number of learning character feature data.
【００１５】[0015]
【課題を解決するための手段】本発明は，同種の文字の
異なる二つの学習用文字（基本文字）の特徴ベクトル
（特徴データの成分を成分とするベクトル）を基にベク
トル演算により基本文字を変形した学習用文字（変形文
字）の特徴ベクトルを算出し，基本文字を変形したパタ
ーンを持つ学習用文字の特徴データとするようにした。According to the present invention, a basic character is calculated by vector operation based on a feature vector (a vector having a component of feature data as a component) of two learning characters (basic characters) of different characters of the same type. The feature vector of the transformed learning character (transformed character) is calculated and used as the feature data of the learning character having the transformed pattern of the basic character.
【００１６】図９は特徴ベクトルの説明図である。図に
おいて，２００は文字領域であって，一文字の画像領域
である。２０１，２０１’は分割領域であって，文字領
域を分割したものである（図は文字領域を１６分割した
場合を示す）。説明の都合上，文字領域２００の左上の
分割領域を分割領域(1) ，分割領域(1) の右隣の分割領
域を分割領域(2) ，第２行の先頭の分割領域を分割領域
(5) とするように分割領域番号を定める。２０１’は分
割領域(4) である。２０２は文字パターンであって，図
は文字「９」の手書き文字（学習用文字）を示す。画像
の１ドットを○印で表し，入力された手書き文字パター
ン「９」をドットで表したものである。２０３は輪郭線
（文字パターン２０２の黒丸のドット）であって，文字
パターン２０２の分割領域(4) ２０１’の輪郭線であ
る。２１０は着目画素であって，輪郭線の方向指数特徴
（後述）により特徴データを求める場合の基準となる画
素を表す。FIG. 9 is an explanatory diagram of feature vectors. In the figure, 200 is a character area, which is an image area of one character. 201 and 201 'are divided areas, which are obtained by dividing the character area (the figure shows a case where the character area is divided into 16). For convenience of explanation, the upper left divided area of the character area 200 is the divided area (1), the divided area on the right of the divided area (1) is the divided area (2), and the first divided area of the second line is the divided area.
The division area number is determined as (5). 201 'is a divided area (4). Reference numeral 202 denotes a character pattern, and the figure shows a handwritten character (learning character) of the character "9". One dot of the image is represented by a circle, and the input handwritten character pattern "9" is represented by a dot. Reference numeral 203 denotes a contour line (black dot of the character pattern 202), which is a contour line of the divided area (4) 201 ′ of the character pattern 202. Reference numeral 210 denotes a pixel of interest, which represents a reference pixel when the characteristic data is obtained by the direction index characteristic (described later) of the contour line.
【００１７】特徴データの例として，文字パターンの輪
郭線の方向指数特徴について説明する。方向指数特徴は
輪郭線の着目画素に対して隣接する黒画素の方向を求め
る方法である。図は方向指数特徴により特徴データを求
める場合を示す。As an example of the characteristic data, the direction index characteristic of the outline of the character pattern will be described. The direction index feature is a method of obtaining the direction of a black pixel adjacent to the target pixel of the contour line. The figure shows a case where the feature data is obtained by the direction index feature.
【００１８】図において， (a)は水平成分であって，着
目画素に対して，右もしくは左に黒画素がある状態を示
す。図の例においては，水平成分の数は７である。 (b)
は斜め成分Ａであって，着目画素の左上もしくは右下に
黒画素がある場合を示す。図の例の斜め方向成分の数は
９である。 (c)は斜め成分Ｂであって，着目画素の左下
もしくは右上に黒画素がある場合である。図の例では，
斜め成分Ｂの数は０である。 (d)は垂直成分であって，
着目画素の上もしくは下に黒画素がある場合である。図
の例では垂直成分の数は６である。In the figure, (a) is a horizontal component and shows a state where there is a black pixel on the right or left of the pixel of interest. In the illustrated example, the number of horizontal components is seven. (b)
Indicates a case where the diagonal component is A and there is a black pixel at the upper left or lower right of the pixel of interest. The number of diagonal components in the example of the figure is nine. (c) is the case where the diagonal component B is a black pixel at the lower left or upper right of the pixel of interest. In the example shown,
The number of diagonal components B is zero. (d) is the vertical component,
This is the case where there is a black pixel above or below the pixel of interest. In the illustrated example, the number of vertical components is six.
【００１９】図の場合，分割領域２０１’の方向指数特
徴の成分は（７，９，０，６）である。同様に，各分割
領域（２０１）の方向指数特徴の成分を求めることによ
り，各成分による配列（分割領域(1) の成分），（分割
領域(2) の成分），・・・・，（分割領域(4) の成分
（７，９，０，６）），・・・・，（分割領域(16)の成
分）が得られる。そこで，配列の各成分を成分とするベ
クトルを特徴ベクトルとして，文字パターンの特徴ベク
トルとする（図の場合，６４（１６×４＝６４）次元空
間のベクトルである）。In the case of the figure, the component of the direction index feature of the divided area 201 'is (7, 9, 0, 6). Similarly, by obtaining the component of the direction index feature of each divided region (201), the array (component of divided region (1)), (component of divided region (2)), ..., ( The components (7, 9, 0, 6) of the divided area (4), ..., (Components of the divided area (16)) are obtained. Therefore, a vector having each component of the array as a feature vector is used as a feature vector of the character pattern (in the case of the figure, it is a vector of 64 (16 × 4 = 64) dimensional space).
【００２０】従って，図のように文字領域を１６分割し
た場合，任意の学習用文字に対する方向指数特徴の特徴
データは６４次元のベクトル空間の一点で表すことがで
きる。Therefore, when the character area is divided into 16 parts as shown in the figure, the characteristic data of the direction index characteristic for an arbitrary learning character can be represented by one point in the 64-dimensional vector space.
【００２１】本発明は，同一文字種の比較的近い文字パ
ターン（基本文字）の特徴ベクトル（基本特徴ベクト
ル）を求め，基本特徴ベクトルを基に，ベクトル演算に
より基本文字を変形した変形文字の特徴ベクトルを算出
し，特徴データを求めるようにした。The present invention obtains a feature vector (basic feature vector) of a relatively close character pattern (basic character) of the same character type, and based on the basic feature vector, a feature vector of a modified character obtained by transforming the basic character by vector operation. Was calculated and the characteristic data was obtained.
【００２２】図１０は課題を解決するための手段の説明
図である。図において，○印は特徴ベクトルの空間の原
点，Ａは基本文字ａの特徴データを表すベクトル空間に
おける点，Ｂは基本文字ｂの特徴データを表わすベクト
ル空間における点である。ｌは点Ａと点Ｂを結ぶ直線で
ある。２２０は基本文字パターンａの基本特徴ベクトル
Ｖａである。２２１は基本文字パターンｂの基本特徴ベ
クトルＶｂである。２２３は特徴データのベクトルＶｘ
0 である。２２４は特徴データのベクトルＶｘi であ
る。２２５は特徴データのベクトルＶｘN である。FIG. 10 is an explanatory view of means for solving the problem. In the figure, a circle indicates the origin of the feature vector space, A is a point in the vector space representing the feature data of the basic character a, and B is a point in the vector space representing the feature data of the basic character b. l is a straight line connecting points A and B. 220 is a basic feature vector Va of the basic character pattern a. 221 is a basic feature vector Vb of the basic character pattern b. 223 is a vector of feature data Vx
It is 0 . 224 is a vector Vx i of feature data. 225 is a vector Vx N of feature data.
【００２３】基本特徴ベクトルＶａ（２２０）と基本特
徴ベクトルＶｂ（２２１）に対して， ベクトルＶｘ−ベクトルＶｂ＝ｔ（ベクトルＶａ−ベク
トルＶｂ）（ｔはパラメータ）・・・・・・(1) により変形文字の特徴ベクトルを求める。For the basic feature vector Va (220) and the basic feature vector Vb (221), vector Vx-vector Vb = t (vector Va-vector Vb) (t is a parameter) (1) The feature vector of the transformed character is obtained by.
【００２４】パラメータｔを変えることにより，基本文
字ａと基本文字ｂを変形した変形文字の特徴データを要
素とする特徴ベクトルＶｘが多数得られる。２２３はベ
クトルＶｘ0 であって，ｔ＝ｔ0 のとき上式(1) により
求めた変形文字の特徴データのベクトルである。２２４
はベクトルＶX i であって，ｔ＝ｔi のとき，上式(1)
により求めた変形文字の特徴データのベクトルである。
２２５はベクトルＶX N であって，ｔ＝ｔN のとき上式
(1) により求めた変形文字の特徴データのベクトルであ
る。By changing the parameter t, a large number of feature vectors Vx having the feature data of modified characters obtained by modifying the basic characters a and b can be obtained. Reference numeral 223 is a vector Vx 0 , which is a vector of the characteristic data of the modified character obtained by the above equation (1) when t = t 0 . 224
Is a vector V X i , and when t = ti, the above equation (1)
It is a vector of the characteristic data of the deformed character obtained by.
225 is a vector V X N , and when t = t N
This is a vector of the characteristic data of the transformed characters obtained in (1).
【００２５】図１は本発明の基本構成を示す。図におい
て，１は手書き文字（学習用文字）である（同種の文字
につき少なくとも２つの文字パターンを用意する）。２
は手書き文字入力装置であって，手書き文字を光学的に
読み取って手書き文字のイメージデータをデータ処理装
置３に入力するものである。FIG. 1 shows the basic configuration of the present invention. In the figure, 1 is a handwritten character (learning character) (at least two character patterns are prepared for the same kind of character). Two
Is a handwritten character input device that optically reads a handwritten character and inputs image data of the handwritten character to the data processing device 3.
【００２６】３はデータ処理装置であって，コンピュー
タにより構成されるものである。１０は変形文字の特徴
データ発生装置であって，基本文字のパターンに基づい
て，変形文字の特徴データを発生するものである。Reference numeral 3 is a data processing device, which is constituted by a computer. Reference numeral 10 is a modified character feature data generator, which generates modified character feature data based on a basic character pattern.
【００２７】変形文字の特徴データ発生手段１０におい
て，１１は基本文字の特徴抽出部であって，手書き文字
入力装置２から入力された学習用文字の特徴を抽出する
ものである。１２は変形文字の特徴データ算出部であっ
て，基本文字の特徴ベクトルＶａ，ベクトルＶｂとパラ
メータｔにより変形文字の特徴ベクトルＶｘとして，ベ
クトルＶｘ−ベクトルＶａ＝ｔ（ベクトルＶｂ−ベクト
ルＶａ）により変形文字の特徴ベクトルを算出するもの
である。１３は学習文字の特徴データ出力部であって，
算出された変形文字の特徴ベクトル（特徴データ）を出
力するものである。In the modified character feature data generating means 10, a reference character feature extraction unit 11 extracts the features of the learning character input from the handwritten character input device 2. Reference numeral 12 denotes a modified character feature data calculation unit, which transforms a modified character feature vector Va, a vector Vb, and a parameter t into a modified character feature vector Vx by a vector Vx-vector Va = t (vector Vb-vector Va). The feature vector of the character is calculated. 13 is a learning character feature data output unit,
The feature vector (feature data) of the calculated deformed character is output.
【００２８】１４は辞書生成手段であって，学習用文字
の特徴データ（変形文字の特徴データおよび基本文字の
特徴データ）に基づいて，文字認識辞書を作成するもの
である。２０は辞書生成手段１４において生成された文
字認識辞書である。２１は生成された学習用文字特徴デ
ータ保存手段である。Reference numeral 14 is a dictionary generating means for creating a character recognition dictionary based on the learning character characteristic data (transformed character characteristic data and basic character characteristic data). Reference numeral 20 is a character recognition dictionary generated by the dictionary generating means 14. Reference numeral 21 is a generated learning character feature data storage means.
【００２９】[0029]
【作用】図１の基本構成の動作を説明する。手書き文字
入力装置２により手書き文字を読み取って，変形文字の
特徴データ発生装置１０に入力する。学習用文字は同種
の文字について少なくとも二つのパターンを用意する。
２パターン間の距離があらかじめ定めた閾値より小さい
（比較的に似ているパターンどうし）を一組の学習用文
字（基本文字）とする。特徴抽出部１１は入力された学
習用文字の方向指数特徴等の特徴データを抽出する。変
形文字の特徴データ算出部１２は，基本文字の特徴ベク
トルＶａ，ベクトルＶｂ，パラメータｔに対して，変形
文字の特徴ベクトルＶｘを，ベクトルＶｘ−ベクトルＶ
ａ＝ｔ（ベクトルＶｂ−ベクトルＶａ）により算出す
る。パラメータｔを変えながら求めた同種の文字の異な
る特徴データを多数算出する。そして，変形文字の特徴
データ出力部１３は，求められた変形文字の特徴データ
を学習用文字特徴データ保存手段２１に出力する。学習
用文字特徴データ保存手段２１は学習用文字の特徴デー
タ（変形文字の特徴データおよび入力された学習用文字
の特徴データ）を保存する。The operation of the basic configuration of FIG. 1 will be described. The handwritten character input device 2 reads the handwritten character and inputs it to the characteristic data generating device 10 for the deformed character. For learning characters, prepare at least two patterns for the same kind of characters.
A set of learning characters (basic characters) has a distance between two patterns smaller than a predetermined threshold value (relatively similar patterns). The feature extraction unit 11 extracts feature data such as the direction index feature of the input learning character. The modified character feature data calculation unit 12 sets the modified character feature vector Vx to the basic character feature vector Va, the vector Vb, and the parameter t as vector Vx-vector V.
It is calculated by a = t (vector Vb-vector Va). A large number of different characteristic data of the same type of character obtained by changing the parameter t are calculated. Then, the modified character feature data output unit 13 outputs the obtained modified character feature data to the learning character feature data storage unit 21. The learning character feature data storage unit 21 stores the learning character feature data (the modified character feature data and the input learning character feature data).
【００３０】さらに必要に応じて，辞書生成手段１４は
求められた変形文字の特徴データと入力された学習用文
字の特徴データに基づいて，文字認識辞書２０を作成す
る。本発明によれば，少ない手書き文字（学習用文字）
を基に文字パターンの異なる多数の学習用文字の特徴デ
ータを簡単に作成することができる。そのため，文字認
識辞書を作成する場合に，手書き文字（学習用文字）を
多数用意することなく簡単に正確な辞書を作成すること
ができるようになる。Further, if necessary, the dictionary generating means 14 creates the character recognition dictionary 20 based on the obtained characteristic data of the deformed character and the inputted characteristic data of the learning character. According to the present invention, few handwritten characters (learning characters)
Based on, it is possible to easily create feature data of many learning characters having different character patterns. Therefore, when creating a character recognition dictionary, an accurate dictionary can be easily created without preparing many handwritten characters (learning characters).
【００３１】[0031]
【実施例】図２は本発明の実施例構成を示す。図におい
て，３０，３０’は手書き文字，３１は手書き文字入力
装置，３２はデータ処理装置であって，コンピュータで
ある。３３は磁気ディスク装置であって，変形文字の特
徴データ発生手段５０および辞書生成手段５１を格納す
るものである。３４は磁気ディスク装置であって，学習
用文字の特徴データ保存手段５２および文字認識辞書５
３を格納するものである。FIG. 2 shows the configuration of an embodiment of the present invention. In the figure, 30 and 30 'are handwritten characters, 31 is a handwritten character input device, and 32 is a data processing device, which is a computer. Reference numeral 33 denotes a magnetic disk device which stores a modified character feature data generation means 50 and a dictionary generation means 51. Reference numeral 34 denotes a magnetic disk device, which is a learning character feature data storage unit 52 and a character recognition dictionary 5.
3 is stored.
【００３２】データ処理装置３２において，４０は主記
憶装置，４１は入出力制御装置，４２はＣＰＵである。
磁気ディスク装置３３において，５０は変形文字の特徴
データ発生手段，５１は辞書生成手段である。磁気ディ
スク装置３４において，５２は学習用文字の特徴データ
保存手段，５３は文字認識辞書である。In the data processing device 32, 40 is a main storage device, 41 is an input / output control device, and 42 is a CPU.
In the magnetic disk device 33, 50 is a modified character characteristic data generating means, and 51 is a dictionary generating means. In the magnetic disk device 34, 52 is a learning character feature data storage unit, and 53 is a character recognition dictionary.
【００３３】主記憶装置４０において，６０は変形文字
の特徴データ発生手段であって，磁気ディスク装置３３
の変形文字の特徴データ発生手段５０が主記憶装置４０
にロードされた状態を表す。６１は辞書生成手段であっ
て，磁気ディスク装置３３に格納されている辞書生成手
段５１が主記憶装置６０にロードされているものであ
る。In the main storage device 40, reference numeral 60 is a characteristic data generating means for deformed characters, which is a magnetic disk device 33.
The modified character feature data generating means 50 is the main storage device 40.
Represents the loaded state. Reference numeral 61 denotes a dictionary generating means, in which the dictionary generating means 51 stored in the magnetic disk device 33 is loaded in the main storage device 60.
【００３４】主記憶装置４０の変形文字の特徴データ発
生手段６０において，７０は特徴抽出部，７１は文字間
距離算出部であって，同種の２文字のパターン間の距離
を判定し，距離の近い似たパターンを基本文字とするも
のである。７２は変形文字の特徴データ算出部である。
７３は学習用文字の特徴データ出力部である。In the modified character feature data generating means 60 of the main memory 40, a feature extraction unit 70 and an inter-character distance calculation unit 71 determine the distance between patterns of two characters of the same type, and Basically, a similar pattern is used. Reference numeral 72 denotes a modified character feature data calculation unit.
Reference numeral 73 is a learning character feature data output unit.
【００３５】図３は，本発明の実施例構成の各部の関係
を示す（図２の本発明の実施例構成の各部を動作との関
連で表したもの）。図において，３０は手書き文字，３
１は手書き文字入力装置，５２は学習用文字の特徴デー
タ保存手段，５３は文字認識辞書，６０は変形文字の特
徴データ発生手段，６１は辞書生成手段である。FIG. 3 shows the relationship of each part of the embodiment configuration of the present invention (representing each part of the embodiment configuration of the present invention in relation to the operation). In the figure, 30 is a handwritten character, 3
1 is a handwritten character input device, 52 is a learning character feature data storage unit, 53 is a character recognition dictionary, 60 is a modified character feature data generation unit, and 61 is a dictionary generation unit.
【００３６】図４は本発明の実施例構成のフローを示
す。図４により，本発明の実施例構成の動作を説明する
（図３を参照する）。 Ｓ１ 手書き文字入力装置３１は学習用文字を読み込
む。FIG. 4 shows a flow of the configuration of the embodiment of the present invention. The operation of the configuration of the embodiment of the present invention will be described with reference to FIG. 4 (see FIG. 3). S1 The handwritten character input device 31 reads a learning character.
【００３７】Ｓ２ 特徴抽出部７０は，読み込まれた学
習用文字の特徴データを抽出する。 Ｓ３ 文字間距離算出部７１は入力された学習用文字の
同種の文字の２つずつを一組として文字間距離を算出す
る。The S2 feature extraction unit 70 extracts the feature data of the read learning characters. The S3 inter-character distance calculation unit 71 calculates the inter-character distance by using two input learning characters of the same type as a set.
【００３８】Ｓ４ 変形文字の特徴データ算出部７２に
おいて一組（ペア）の文字間距離が予め定めた閾値より
大きいか判定する。閾値より小さければＳ５に進み，閾
値より大きければＳ６に進む。In step S4, the characteristic data calculation unit 72 for modified characters determines whether the distance between characters of a pair is larger than a predetermined threshold value. If it is smaller than the threshold, the process proceeds to S5, and if it is larger than the threshold, the process proceeds to S6.
【００３９】Ｓ５ 文字間距離が閾値より小さかった一
組の学習用文字を基本文字として，それぞれの特徴ベク
トルをもとに変形文字の特徴ベクトルを算出する（変形
文字の特徴データの算出処理）。変形文字の特徴データ
の算出処理の詳細は後述する（図５参照）。S5: Using a set of learning characters whose inter-character distance is smaller than the threshold value as a basic character, the characteristic vector of the deformed character is calculated based on each characteristic vector (calculation processing of the characteristic data of the deformed character). Details of the process of calculating the characteristic data of the modified character will be described later (see FIG. 5).
【００４０】Ｓ６ 同一文字種において未判定の組があ
るか判定する。未判定のペアがあればＳ４以降の処理を
繰り返す。未判定のペアがなければＳ７に進む。 Ｓ７ 学習用文字の特徴データ出力部７３は変形文字の
特徴データおよび入力された学習用文字の特徴データを
出力する。上記のＳ２以降の処理を全文字種について繰
り返す。S6 It is determined whether there is an undetermined set in the same character type. If there is an undetermined pair, the processing from S4 is repeated. If there is no undetermined pair, the process proceeds to S7. S7 The learning character feature data output unit 73 outputs the modified character feature data and the input learning character feature data. The processing from S2 onward is repeated for all character types.
【００４１】Ｓ８ 学習用文字の特徴データ保存手段５
２は学習用文字の特徴データ（変形文字の特徴データお
よび入力された学習用文字の特徴データ）を保存する。 Ｓ９ 辞書生成手段６１は学習用文字の特徴データ出力
部７３から出力される学習用文字の特徴データにより文
字認識辞書を生成する。S8 learning character feature data storage means 5
2 stores characteristic data of learning characters (characteristic data of modified characters and characteristic data of input learning characters). The S9 dictionary generating means 61 generates a character recognition dictionary based on the learning character feature data output from the learning character feature data output unit 73.
【００４２】Ｓ１０ 文字認識辞書５３は辞書生成手段
６１により作成された文字認識辞書を保存する。 図５は変形文字の特徴データの算出処理のフローである
（図４の変形文字の特徴データの算出処理（Ｓ５）の詳
細フロー）。基本文字（文字間距離が閾値より小さい学
習用文字）の特徴ベクトルをベクトルＶａ，ベクトルＶ
ｂ，パラメータをｔ，変形文字の特徴ベクトルをベクト
ルＶｘとした時， ベクトルＶｘ−ベクトルＶｂ＝ｔ（ベクトルＶｂ−ベク
トルＶａ） ・・(1) （前述の式(1) に同じ) により，ｔを変更しながら変形文字の特徴データを求め
るフローである。The S10 character recognition dictionary 53 stores the character recognition dictionary created by the dictionary creating means 61. FIG. 5 is a flow of the calculation process of the characteristic data of the modified character (detailed flow of the calculation process (S5) of the characteristic data of the modified character of FIG. 4). The feature vectors of basic characters (learning characters whose inter-character distance is smaller than the threshold) are vector Va and vector V.
b, the parameter is t, and the feature vector of the modified character is the vector Vx, vector Vx-vector Vb = t (vector Vb-vector Va) (1) (the same as the above-mentioned equation (1)) Is a flow for obtaining the characteristic data of the deformed character while changing the.
【００４３】これらのベクトルの成分はそれぞれ， ベクトルＶａ＝（ａ1 ，ａ2 ，・・・・，ａm ） ベクトルＶｂ＝（ｂ1 ，ｂ2 ，・・・・，ｂm ） ベクトルＶｘ＝（ｘ1 ，ｘ2 ，・・・・，ｘm ） (1) 式を，成分で表すと， ｘ1 −ｂ1 ＝ｔ（ａ1 −ｂ1 ） ｘ2 −ｂ2 ＝ｔ（ａ2 −ｂ2 ） ・・・・・・・・・ ｘm −ｂm ＝ｔ（ａm −ｂm ） ・・・・・・・・・・・・・ (2) 但しｔはパラメータであり，ｔ＝０の時，ベクトルＶｘ
＝ベクトルＶｂ，ｔ＝１の時, ベクトルＶｘ＝ベクトル
Ｖａとなる。またｍは特徴の個数である。[0043] Each of components of these vectors, the vector Va = (a 1, a 2 , ····, a m) vector Vb = (b 1, b 2 , ····, b m) vector Vx = (X 1 , x 2 , ..., X m ) (1) is expressed in terms of components, x 1 −b 1 = t (a 1 −b 1 ) x 2 −b 2 = t (a 2 -b 2) ········· x m -b m = t (a m -b m) ············· (2) where t is a parameter, When t = 0, the vector Vx
= Vector Vb, when t = 1, vector Vx = vector Va. Further, m is the number of features.
【００４４】パラメータｔを適切な方法で変化させるこ
とにより新しいベクトルＶｘを得ることができる。パラ
メータの初期値をｔ0 ，最終値をｔN として，ｔ0 とｔ
N の間をＮ等分する。ｉ番目のパラメータをｔi とする
と, ｔi ＝ｔ0 ＋ｉ（ｔN −ｔ0 ）／Ｎ ・・・・・・・・・・・・(3) となる。 （０≦ｋ≦Ｎ） ０からＮまでの連続する整数ｋに対して，ｔi を求め，
ｔi に対応する変形文字の特徴ベクトルＶｘk を式(2)
により算出する。A new vector Vx can be obtained by varying the parameter t in an appropriate way. Assuming that the initial value of the parameter is t 0 and the final value is t N , t 0 and t
Divide N between N equally. If the i-th parameter is t i , then t i = t 0 + i (t N −t 0 ) / N (3) (0 ≦ k ≦ N) For a continuous integer k from 0 to N, t i is calculated,
The modified vector feature vector Vx k corresponding to t i is given by equation (2).
Calculate by
【００４５】フローの番号に従って図のフローを説明す
る。 Ｓ１ パラメータの初期値ｔ0 ，最終値ｔN ，分割数Ｎ
を読み込む。 Ｓ２ 上記式(2) に従い，等分割の場合のパラメータｔ
i の算出式(3) に従いｉを０からＮまで変化させること
により，それぞれのｉに対応するパラメータｔ k を求め
る。The flow of the figure will be described according to the flow numbers.
It Initial value t of S1 parameter0, Final value tN, The number of divisions N
Read. S2 According to the above equation (2), the parameter t in the case of equal division
iChange i from 0 to N according to the formula (3)
By the parameter t corresponding to each i kSeeking
It
【００４６】Ｓ３ 変形文字の特徴ベクトルを計算す
る。 第ｉ番目のパラメータｔi のベクトルのｊ番目の成分を
ｘi j として，ｘi j ＝ｂj ＋ｔi （ａj −ｂj ）を求
める。そして，ｊ＝１からｊ＝ｍまで繰り返して，各成
分を求める。さらに，ｉ＝０からＮまで同様の処理を繰
り返して，各パラメータのベクトル成分ｘi j の全成分
を求める。S3: The feature vector of the modified character is calculated. Assuming that the j-th component of the vector of the i-th parameter t i is x i j , x i j = b j + t i (a j −b j ) is obtained. Then, each component is obtained by repeating from j = 1 to j = m. Further, the same process is repeated from i = 0 to N to obtain all components of the vector component x i j of each parameter.
【００４７】Ｓ４ ｘi の成分がひとつでも負であるか
判定する。一つでも負であればＳ５に進む。全部正であ
れば，次のｉについて同様の判定をし，ｉ＝０からＮま
で全て判定したら処理を終了する。It is determined whether or not even one component of S4 x i is negative. If even one is negative, proceed to S5. If all are positive, the same judgment is made for the next i, and when all the judgments from i = 0 to N are made, the processing is ended.
【００４８】上記の処理において，０＜ｔ＜１であれ
ば，二つのベクトルＶａとベクトルＶｂの中間的な変形
ベクトルが得られる。また，ｔ＞１の領域では（べクト
ルＶｂ−ベクトルＶａ）を拡大した特徴ベクトルが得ら
れる。また，ｔ＜０の領域では（ベクトルＶａ−ベクト
ルＶｂ）を拡大したような特徴ベクトルが得られる。し
かし，ｔの絶対値が大きすぎると，実際には存在しない
ような変形文字の特徴ベクトルが発生するので，例え
ば，−０．５≦ｔ≦１．５位が適当と考えられる。In the above process, if 0 <t <1, an intermediate deformation vector between the two vectors Va and Vb can be obtained. In the area of t> 1, a feature vector obtained by expanding (vector Vb-vector Va) is obtained. Further, in the area of t <0, a feature vector obtained by expanding (vector Va-vector Vb) is obtained. However, if the absolute value of t is too large, a characteristic vector of a deformed character that does not actually exist is generated. Therefore, for example, -0.5≤t≤1.5 is considered appropriate.
【００４９】また，ｔ＞１もしくはｔ＜０の領域では，
発生した特徴ベクトルの成分の一部が負となる場合を生
じることがある。即ち，特徴ベクトルの第ｉ成分に対し
て， ａi ＞ｂi の場合， ｔ＜ｂi ／（ｂi −ａi ） ａi ＜ｂi の場合， ｔ＞ｂi ／（ｂi −ａi ） （但し，ｂi ≠ａi ）の値で発生したベクトルの成分が
負となる。特徴ベクトルが負であることは意味がないの
で，このようなベクトルは上記の処理Ｓ４，Ｓ５で除外
する。In the region of t> 1 or t <0,
In some cases, a part of the generated feature vector components becomes negative. That is, for the i-th component of the feature vector, if ai > b i , then t <b i / (b i −a i ) a i <b i , then t> b i / (b i −a i ) (However, the component of the vector generated at the value of b i ≠ a i ) becomes negative. Since it is meaningless that the feature vector is negative, such a vector is excluded in the above processes S4 and S5.
【００５０】図６は，本発明を適用した文字認識装置の
構成を示す。図において，１００は文字認識対象の原稿
であって，手書き文字が記入されているものである。１
０１は文字認識装置であって，文字認識対象の原稿に記
入された手書き文字を読み取って文字認識するものであ
る。１０２は学習用文字である。１０３は変形文字の特
徴データ発生手段である。１０４は学習用文字の特徴デ
ータ保存手段である。１０５は辞書生成手段，１０６は
文字認識辞書である。FIG. 6 shows the structure of a character recognition device to which the present invention is applied. In the figure, reference numeral 100 denotes an original document for character recognition, in which handwritten characters are entered. 1
Reference numeral 01 is a character recognition device for recognizing a character by reading a handwritten character written on a character recognition target document. Reference numeral 102 is a learning character. Reference numeral 103 is a modified character feature data generating means. Reference numeral 104 is a learning character feature data storage unit. Reference numeral 105 is a dictionary generating means, and 106 is a character recognition dictionary.
【００５１】文字認識装置１０１において，１１０は観
測部であって，文字認識対象の原稿１００の手書き文字
を光学的に読み取り，原稿に記入された文字をイメージ
データとして入力するものである。１１１は前処理部で
あって，観測部で光電変換されたイメージデータの正規
化，ノイズ除去等の前処理を行うものである。１１２は
特徴抽出部であって，一文字毎のイメージデータから特
徴を抽出するものである。１１３は照合部であって，文
字と特徴データを対応付けた辞書部１１４の辞書を参照
して類似する特徴パターンを検索し，その文字を文字認
識結果として出力するものである。１１４は辞書部であ
って，文字認識辞書を格納するものである。In the character recognition device 101, an observation unit 110 optically reads the handwritten characters of the document 100 to be recognized, and inputs the characters written on the document as image data. A preprocessing unit 111 performs preprocessing such as normalization and noise removal of the image data photoelectrically converted by the observation unit. Reference numeral 112 is a feature extraction unit that extracts features from image data of each character. A collating unit 113 refers to a dictionary of a dictionary unit 114 in which characters are associated with feature data, searches for similar feature patterns, and outputs the characters as a character recognition result. Reference numeral 114 denotes a dictionary unit which stores a character recognition dictionary.
【００５２】図の構成の動作を説明する。学習用文字１
０２に基づいて，変形文字の特徴データ発生手段１０３
は変形文字の特徴データを発生する。学習用文字の特徴
データ保存手段１０４は，変形文字の特徴データおよび
入力された学習用文字１０２の特徴データを保存する。
辞書生成手段１０５は，学習用文字の特徴データ保存手
段１０４の学習用文字の特徴データに基づいて，文字認
識辞書１０６を作成する。文字認識辞書１０６の内容は
辞書部１１４に格納される。The operation of the configuration shown in the figure will be described. Learning character 1
02 based on 02, characteristic data generation means 103 of modified characters
Generates characteristic data of transformed characters. The learning character characteristic data storage unit 104 stores the characteristic data of the deformed character and the characteristic data of the input learning character 102.
The dictionary generation unit 105 creates the character recognition dictionary 106 based on the learning character feature data stored in the learning character feature data storage unit 104. The contents of the character recognition dictionary 106 are stored in the dictionary unit 114.
【００５３】文字認識装置において，観測部１１０は文
字認識対象の原稿を読み取る。前処理部１１１は観測部
の読み取ったイメージデータの正規化，ノイズ除去等の
前処理を行う。特徴抽出部１１２は一文字ずつのイメー
ジデータにより特徴データを抽出する。照合部１１３は
特徴抽出部１１２の抽出した特徴により辞書部１１４を
参照し，特徴データの類似する文字を求め，文字認識結
果として出力する。In the character recognition device, the observing section 110 reads an original document for character recognition. The pre-processing unit 111 performs pre-processing such as normalization and noise removal of the image data read by the observation unit. The feature extraction unit 112 extracts the feature data from the image data of each character. The collation unit 113 refers to the dictionary unit 114 based on the features extracted by the feature extraction unit 112, obtains a similar character of the feature data, and outputs it as a character recognition result.
【００５４】[0054]
【発明の効果】本発明によれば，少ない手書き文字から
多数の変形文字の特徴データを簡単に作成することがで
きる。そのため，本発明を文字認識辞書の作成に適用す
れば，辞書作成に必要な多数の学習用文字を容易に収集
することができる。そして，多数の手書き文字（学習用
文字）に基づいて作成した文字認識辞書と同等の文字認
識精度を有する文字認識辞書を少ない手書き文字により
簡単に作成することできるようになる。According to the present invention, feature data of a large number of modified characters can be easily created from a small number of handwritten characters. Therefore, if the present invention is applied to the creation of a character recognition dictionary, a large number of learning characters necessary for creating the dictionary can be easily collected. Then, a character recognition dictionary having the same character recognition accuracy as the character recognition dictionary created based on a large number of handwritten characters (learning characters) can be easily created with a small number of handwritten characters.
【図１】本発明の基本構成を示す図である。FIG. 1 is a diagram showing a basic configuration of the present invention.
【図２】本発明の実施例構成を示す図である。FIG. 2 is a diagram showing a configuration of an embodiment of the present invention.
【図３】本発明の実施例構成の各部の関係を示す図であ
る。FIG. 3 is a diagram showing the relationship of each part of the embodiment configuration of the present invention.
【図４】本発明の実施例構成のフローを示す図である。FIG. 4 is a diagram showing a flow of configuration of an embodiment of the present invention.
【図５】変形文字の特徴データの算出処理のフローを示
す図である。FIG. 5 is a diagram showing a flow of a calculation process of characteristic data of modified characters.
【図６】本発明を適用した文字認識装置を示す図であ
る。FIG. 6 is a diagram showing a character recognition device to which the present invention is applied.
【図７】従来の学習用文字の特徴データを収集するため
の装置および文字認識辞書を作成するための装置構成を
示す図である。FIG. 7 is a diagram showing a configuration of a device for collecting characteristic data of conventional learning characters and a device for creating a character recognition dictionary.
【図８】従来の学習用文字の特徴データの収集方法と文
字認識辞書の作成方法を示す図である。FIG. 8 is a diagram showing a conventional method of collecting characteristic data of learning characters and a method of creating a character recognition dictionary.
【図９】特徴ベクトルの説明図である。FIG. 9 is an explanatory diagram of feature vectors.
【図１０】課題を解決するための手段の説明図である。FIG. 10 is an explanatory diagram of means for solving the problem.
１：手書き文字 ２：手書き文字入力装置 ３：データ処理手段 １０：変形文字の特徴データ発生装置 １１：特徴抽出部 １２：変形文字の特徴データ算出部 １３：学習用文字の特徴データ出力部 １４：辞書生成手段 ２０：文字認識辞書 ２１：学習用文字特徴データ保存手段 1: Handwritten character 2: Handwritten character input device 3: Data processing means 10: Deformed character feature data generation device 11: Feature extraction unit 12: Deformed character feature data calculation unit 13: Learning character feature data output unit 14: Dictionary generation means 20: Character recognition dictionary 21: Learning character feature data storage means
Claims (2)
力装置(2) からの入力データを処理するデータ処理手段
(3) を備えたシステムにおける文字の特徴データ発生方
法において，データ処理手段(3) は手書き文字入力装置
(2) から入力されるカテゴリの判明している手書き文字
である学習用文字の特徴データを抽出し，カテゴリの共
通した異なる二つの学習用文字を一組とする基本文字の
特徴データに基づいて基本文字を変形した学習用文字の
特徴データを発生する変形文字の特徴データ発生装置(1
0)とを備え，変形された特徴データ発生装置(10)は入力
された学習用文字の特徴データを抽出し，上記基本文字
の特徴データのベクトルＶａとベクトルＶｂとパラメー
タｔにより，基本文字を変形した変形文字の特徴ベクト
ルＶｘを，ベクトルＶｘ−ベクトルＶａ＝ｔ（ベクトル
Ｖｂ−ベクトルＶａ）により算出することを特徴とする
文字の特徴データ発生方法。1. A handwritten character input device (2) and data processing means for processing input data from the handwritten character input device (2).
In the method for generating character feature data in a system including (3), the data processing means (3) is a handwritten character input device.
Based on the feature data of the basic characters, which is the set of two different learning characters with common categories, the feature data of the learning characters, which are handwritten characters with known categories, are input from (2). Character data generator for deformed characters that generates characteristic data for learning characters by deforming basic characters (1
0) and the modified feature data generator (10) extracts the feature data of the input learning character, and uses the vector Va and the vector Vb of the feature data of the basic character and the parameter t to define the basic character. A method for generating character feature data, which is characterized in that a characteristic vector Vx of a deformed deformed character is calculated by a vector Vx-vector Va = t (vector Vb-vector Va).
力装置(2) からの入力データを処理するデータ処理手段
(3) を備えたシステムにおける文字の特徴データ発生装
置(10)において，データ処理手段(3) は変形文字の特徴
データ発生装置(10)を備え，変形文字の特徴データ発生
装置(10)は手書き文字入力装置(2) から入力される学習
用文字の特徴データを抽出する特徴抽出部(11)と，カテ
ゴリの共通した異なる二つの学習用文字を一組とする基
本文字の特徴データのベクトルＶａとベクトルＶｂとパ
ラメータｔにより基本文字を変形した変形文字の特徴ベ
クトルＶｘをベクトルＶｘ−ベクトルＶａ＝ｔ（ベクト
ルＶｂ−ベクトルＶａ）により算出する変形文字の特徴
データ算出部(12)を備え，該基本文字の学習用文字に基
づいて基本文字を変形した学習用文字の特徴データを発
生することを特徴とする文字の特徴データ発生装置。2. A handwritten character input device (2) and data processing means for processing input data from the handwritten character input device (2).
In the character feature data generator (10) in the system including (3), the data processing means (3) includes a modified character feature data generator (10), and the modified character feature data generator (10) is A feature extraction unit (11) that extracts the feature data of learning characters input from the handwritten character input device (2), and a vector of feature data of basic characters that sets two different learning characters with a common category as a set. A modified character feature data calculation unit (12) for calculating a feature vector Vx of a modified character obtained by modifying a basic character with Va, a vector Vb, and a parameter t by a vector Vx-vector Va = t (vector Vb-vector Va), A character feature data generation device for generating feature data of a learning character, which is obtained by transforming a basic character based on the learning character of the basic character.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5027728A JPH06243295A (en) | 1993-02-17 | 1993-02-17 | Method and device for generating feature data of character |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5027728A JPH06243295A (en) | 1993-02-17 | 1993-02-17 | Method and device for generating feature data of character |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH06243295A true JPH06243295A (en) | 1994-09-02 |
Family
ID=12229086
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP5027728A Withdrawn JPH06243295A (en) | 1993-02-17 | 1993-02-17 | Method and device for generating feature data of character |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH06243295A (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE4113224A1 (en) * | 1990-05-03 | 1991-12-05 | Rohde & Schwarz | Computer-aided testing and measuring of video component signals - using simulation, response storage, analysis and indication for analogue and digital video components |
-
1993
- 1993-02-17 JP JP5027728A patent/JPH06243295A/en not_active Withdrawn
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE4113224A1 (en) * | 1990-05-03 | 1991-12-05 | Rohde & Schwarz | Computer-aided testing and measuring of video component signals - using simulation, response storage, analysis and indication for analogue and digital video components |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110738207B (en) | Character detection method for fusing character area edge information in character image | |
| Mani et al. | Application of artificial neural network model for optical character recognition | |
| JP3761937B2 (en) | Pattern recognition method and apparatus, and computer control apparatus | |
| Zhou et al. | Learning-based scientific chart recognition | |
| US6233352B1 (en) | Information processing method and apparatus | |
| Lamghari et al. | Template matching for recognition of handwritten Arabic characters using structural characteristics and Freeman code | |
| KR0186025B1 (en) | Candidate character classification method | |
| JPH06243295A (en) | Method and device for generating feature data of character | |
| Roth | An approach to recognition of printed music | |
| JP2003022446A (en) | Device and method for signature collation, and program making computer implement the same method | |
| Alqudah et al. | Shift and scale invariant recognition of printed numerals | |
| JP3183949B2 (en) | Pattern recognition processing method | |
| Tung et al. | Performance analysis of an OCR system via an artificial handwritten chinese character generator | |
| JP3083609B2 (en) | Information processing apparatus and character recognition apparatus using the same | |
| JP2803709B2 (en) | Character recognition device and character recognition method | |
| JP2909604B2 (en) | Fuzzy pattern recognition method and apparatus | |
| Sarfraz | Outline representation of fonts using genetic approach | |
| Sarfraz et al. | Towards automatic recognition of fonts using genetic approach | |
| JP3446794B2 (en) | Polygon approximation method and character recognition device for character recognition | |
| JPH0247787B2 (en) | ||
| JP3133846B2 (en) | Character recognition method | |
| CN116385494A (en) | Infrared image target tracking method based on kernel correlation filter | |
| JP2891211B2 (en) | Optical character reader and method | |
| Mokhtarian et al. | Efficient curvature-based shape representation for similarity retrieval | |
| Park et al. | Adaptive nonlinear shape matching for unconstrained handwritten character recognition |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A300 | Application deemed to be withdrawn because no request for examination was validly filed |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20000509 |